| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 无线定位概述 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 无线定位现状 | 第10-19页 |
| 1.2.1 历史现状 | 第10-11页 |
| 1.2.2 技术现状 | 第11-17页 |
| 1.2.3 应用现状 | 第17-19页 |
| 1.3 本文的主要工作 | 第19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第二章 基于SVM分类和回归的WIFI室内定位方法 | 第21-38页 |
| 2.1 引言 | 第21-22页 |
| 2.2 三角定位以及SVM简介 | 第22-25页 |
| 2.2.1 三角定位原理 | 第22-23页 |
| 2.2.2 SVM简介 | 第23-25页 |
| 2.3 改进的三角定位原理 | 第25-27页 |
| 2.4 基于SVM的无线定位 | 第27-31页 |
| 2.4.1 基于SVM的RSSI样本分类算法 | 第27-30页 |
| 2.4.2 基于SVM的RSSI和目标位置关系的回归算法 | 第30-31页 |
| 2.5 实验结果和分析 | 第31-37页 |
| 2.5.1 实验环境和步骤 | 第31-32页 |
| 2.5.2 SVM和KNN分类对比实验 | 第32-34页 |
| 2.5.3 SVM和RBF回归对比实验 | 第34-35页 |
| 2.5.4 综合验证和结论 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 普通手持设备的行走航位推算 | 第38-65页 |
| 3.1 引言 | 第38-40页 |
| 3.2 行走航位推算原理 | 第40-43页 |
| 3.2.1 人体行走模型 | 第40-41页 |
| 3.2.2 几种常用行走计数算法 | 第41页 |
| 3.2.3 几种常用的步长计算算法 | 第41-43页 |
| 3.3 数据预处理算法 | 第43-48页 |
| 3.3.1 人体坐标系中加速度的计算 | 第43-47页 |
| 3.3.2 数据的平滑 | 第47-48页 |
| 3.4 改进的行走计数算法 | 第48-54页 |
| 3.4.1 行走状态划分 | 第48-49页 |
| 3.4.2 阈值、分界参考值和零参考值的动态计算算法 | 第49-53页 |
| 3.4.3 行走计数 | 第53-54页 |
| 3.5 改进的步长计算算法 | 第54-59页 |
| 3.5.1 算法思想 | 第54-55页 |
| 3.5.2 卡尔曼滤波原理及在步长计算中的应用 | 第55-59页 |
| 3.5.2.1 卡尔曼滤波器原理 | 第55-58页 |
| 3.5.2.2 基于卡尔曼滤波器的步长计算算法 | 第58-59页 |
| 3.6 实验结果及分析 | 第59-63页 |
| 3.6.1 步数统计对比实验 | 第59-62页 |
| 3.6.2 步长计算对比实验 | 第62-63页 |
| 3.7 本章小结 | 第63-65页 |
| 第四章 多传感器数据融合定位 | 第65-76页 |
| 4.1 引言 | 第65页 |
| 4.2 融合算法简介 | 第65-68页 |
| 4.2.1 联邦卡尔曼滤波器简介 | 第65-67页 |
| 4.2.2 联邦卡尔曼滤波器算法 | 第67-68页 |
| 4.3 多传感器融合定位原理 | 第68-72页 |
| 4.3.1 运动模型和主滤波器状态方程 | 第69-71页 |
| 4.3.2 WiFi子系统的状态方程和量测方程 | 第71页 |
| 4.3.3 PDR子系统的状态方程和量测方程 | 第71-72页 |
| 4.4 实验结果及分析 | 第72-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 论文总结 | 第76-77页 |
| 5.2 工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间取得的成果 | 第84-85页 |
